Proceso de cálculo de víctimas documentadas
Desapariciones forzadas desagregadas por macroregion de la CEV - 1986–2016
Introducción
Si es su primera vez trabajando con los datos, no está muy familiarizado con el
paquete o simplemente quiere conocer más sobre el proyecto y el objetivo de
estos ejemplos y el paquete verdata, consulte:
https://github.com/HRDAG/CO-examples/blob/main/Introducción/output/Introducción.html
antes de continuar.
En este ejemplo, se ilustrará el proceso para obtener los datos documentados de
la presente violación (desagregación por macroregiones de la CEV). Para esto
necesitaremos un insumo adicional que serán las macroregiones que se generaron
en la Comisión de la Verdad (CEV). Procederemos a importar dicho insumo que se
se encuentra en la carpeta “recursos” a partir del paquete readr:
macro_regiones <- readr::read_delim(here::here("recursos/macroregiones_cev.csv"),
delim = "|", show_col_types = FALSE) %>%
dplyr::mutate_all(as.character) %>%
dplyr::rename(muni_code_hecho = cod_mpio) %>%
dplyr::mutate(muni_code_hecho = as.numeric(muni_code_hecho)) %>%
dplyr::filter(macroregion != "Sumapaz") %>%
dplyr::distinct(muni_code_hecho, .keep_all = TRUE)
paged_table(macro_regiones, options = list(rows.print = 10, cols.print = 5))Autenticando e importando la base de datos (réplicas)
Después de esto procedemos autenticando e importando la base de datos, esto a
través de dos funciones del paquete verdata: las funciones confirm_files y
read_replicates. La autenticación de los datos es pertinente dado que estos
fueron publicados con la licencia de atribución 4.0 internacional de Creative
Commons (CC BY 4.0). Esta licencia permite la distribución y modificación de la
información. Considerando que usted pudo haber llegado a estos datos por medio
de diferentes fuentes, es importante que sepa si han sido modificados o no, para
lo que puede hacer uso de estas dos funciones.
La función confirm_files autentica los archivos que han sido descargados.
Considerando que cada violación tiene hasta 100 réplicas, esta función permite
autenticar cada uno de estos archivos sin necesidad de leerlos a R. Esto, en
caso de querer ahorrar recursos computacionales, o en caso de que no vaya a
realizar su análisis con todas las réplicas. Esta función devolvera el mensaje
“You have the right file!” si los archivos son iguales a los publicados, o
el error “This file is not identical to the one published. This means the results of the analysis may potentially be inconsistent.” si no lo son.
Además, la función read_replicates permite 2 cosas: leer las réplicas a R en
una sola tabla (ya sea a partir de un formato csv o parquet) y verificar
que el contenido de las réplicas sea exactamente igual al publicado.
Cuando el argumento crash tiene su valor por default (TRUE), la función
retorna un objeto (data frame) si el contenido es igual, y el mensaje
“The content of the files is not identical to the ones published. This means the results of the analysis may potentially be inconsistent.” si el contenido de la base fue
previamente alterado/modificada, lo que quiere decir que los análisis que el
usuario realice hacer serán inconsistentes y llevarán a resultados erróneos.
Este último error significa que nos datos no se han leído a R. Si por alguna
razón, usted quiere leer los datos a pesar de saber que no son los mismos datos
originamente publicados, puede cambiar el argumento crash a FALSE, y,
en ese caso, podrá ver los datos, junto con el mismo mensaje de advertencia.
En este ejemplo trabajaremos las réplicas 1 a la 10. Usted puede trabajar con las réplicas que desee de acuerdo con los análisis que desee realizar. Además, como se ha mencionado, esta información documentada se refiere a las víctimas que fueron registradas originalmente en las bases (y en el que algunos registros contienen campos faltantes). Es decir, contrario a los ejemplos de imputación, esta documentación no cambia para ninguna réplica, por lo que si usted quiere obtener lo que las fuentes documentaron o registraron, puede optar por diferentes números de réplica y no solamente las 10 primeras que se usaron en la Comisión de la Verdad.
replicas_datos <- verdata::read_replicates(here::here("verdata-parquet/desaparicion"),
"desaparicion", 1, 10)
paged_table(replicas_datos, options = list(rows.print = 10, cols.print = 5))Vemos que tenemos 1 720 970 registros, nuestras réplicas van desde la número 1 hasta la 10. Además, nuestros datos tienen información sobre la categoría de edad de la víctima, el presunto perpetrador, el sexo, el año del hecho, la pertenencia étnica, entre otros. Sin embargo, para centrarnos en un análisis más específico, tal como el realizado para el informe metodológico, procederemos a transformar y/o filtrar algunas variables.
Filtrando las réplicas acorde con el filtro del informe metodológico
La función filter_standard_cev nos permite transformar o filtrar nuestra
información. Por ejemplo, las víctimas que se documentaron como víctimas
de la ex-guerrilla FARC-EP en años posteriores a 2016 pasaron a ser víctimas de
otras guerrillas, ya que este primer grupo oficialmente dejó de existir después
de dicho año (perp_change = TRUE). Adicionalmente nos genera columnas
adicionales como quinquenio, más categorías de edades, etc.1.
replicas_filtradas <- verdata::filter_standard_cev(replicas_datos,
"desaparicion",
perp_change = TRUE) %>%
dplyr::mutate(muni_code_hecho = as.numeric(muni_code_hecho)) %>%
dplyr::left_join(macro_regiones, by = c("muni_code_hecho")) %>%
dplyr::filter(!is.na(macroregion))
paged_table(replicas_filtradas, options = list(rows.print = 10, cols.print = 5))Víctimas documentadas
Después de aplicados los filtros necesarios con la función anterior, es momento
de obtener la información de las víctimas documentadas por nuestra variable de interés.
Estos datos son aquellos que ya se observaban en la base integrada y que
en ocasiones contenían campos faltantes en algunas de las variables.
Usaremos pues la función summary_observed para calcular dicha documentación.
Como se puede ver, los argumentos de la función son: 1) la violación a analizar;
2) los datos replicas_filtradas; 3) strata_vars, que para este ejemplo
será la variable de macroregion; 4) le sigue el argumento de conflict_filter
que filtra a aquellas personas que fueron víctimas dentro del marco del conflicto
armado (variable is_conflict == TRUE) o no (variable is_conflict == FALSE).
Esta función también incluye un argumento denominado 5) forced_dis_filter, que
aplica únicamente en la presente violación. Esta indica si la víctima fue
desaparecida de forma “forzada” (forced_dis == TRUE) o no (forced_dis == FALSE).
También contamos con otros argumentos: 6) edad_minors_filter que filtra por
víctimas menores de edad (edad_minors_filter = TRUE) documentadas por los
proyectos y/o instituciones; 7) include_props que permite incluir el cálculo
de las proporciones para las variables de interés (include_props = TRUE);
8) prop_obs_na que permite incluir la proporción de NA’s en la tabla
(prop_obs_na = TRUE) y 9) digits que es un argumento opcional en el cual
podemos establecer el número de dígitos para redondear los resultados (que por
defecto es 2).
tabla_documentada <- verdata::summary_observed("desaparicion",
replicas_filtradas,
strata_vars = "macroregion",
conflict_filter = TRUE,
forced_dis_filter = TRUE,
edad_minors_filter = FALSE,
include_props = FALSE,
prop_obs_na = FALSE)
paged_table(tabla_documentada, options = list(rows.print = 4, cols.print = 4))graph <- ggplot(tabla_documentada,
aes(x = reorder(macroregion , -observed), y = 0)) +
geom_col(aes(y = observed, fill = "Observado"), color = "#2F2F2F") +
scale_y_continuous(labels = function(n){format(n, scientific = FALSE)}) +
theme_minimal() +
theme(legend.title = element_text(size = 6, face = "bold"),
legend.text = element_text(size = 9, face = "bold"),
legend.position = c(0.7, 0.7)) +
theme(axis.text.x = element_text(angle = 50, hjust = 1, face = "bold")) +
theme(legend.position = "top") +
labs(x = "Macroregiones de la CEV",
y = "Número de víctimas documentadas",
fill = "") +
scale_fill_manual(values = c("Observado" = "#2F2F2F"))
graph
Entonces, lo primero que podemos evidenciar es estas son las víctimas que fueron
documentadas dentro del marco del conflicto armado, es decir, excluimos aquellas
víctimas no relacionadas y también a aquellas en las que existía ambiguedad de
si hacían parte o no de dicho fenómeno (es decir, que presentan campos faltantes),
por lo que en el siguiente ejemplo veremos que estas fueron objeto de la imputación
estadística múltiple y que por ende estas víctimas “pasaron” a ser parte de una
de las dos categorías de “pertenece al conflicto”, ya que nuestra variable de
macroregion no presenta campos faltantes). Seguido de esto vemos que
197 personas fueron víctimas
en la macroregion de Amazonía
mientras que 11 594
fueron víctimas en la macroregion de Antioquia-Eje Cafetero
Por último, guardamos los resultados (en formato .parquet) en una carpeta denominada “output-documentados”, ya que esta tabla nos servirá como insumo para el cálculo de la combinación de las imputaciones acorde con las reglas de combinación de Rubin.
Adicionalmente, por cuestión de análisis se filtró por otras variables como
p_stren el que quitamos la categoría!= "OTRO".↩︎